基于多头交叉注意的多模体生理信号情绪识别与表示学习的交叉注意
Shihang Ding1, Lin Ma1, Haifeng Li1
1Faculty of Computing, Harbin Institute of Technology, Harbin, China.
Frontiers in psychiatry
|December 29, 2025
概括
这项研究引入了使用多个生理信号进行情绪识别的新框架. 该模型有效地融合了脑电图 (EEG) 和外围信号的数据,提高了情感计算的准确性和稳定性.
科学领域:
- 情感计算是一种情感计算.
- 生物医学信号处理
- 机器学习用于情绪识别和识别.
背景情况:
- 生理信号提供客观的情绪识别,但当前的多式联络融合方法难以处理复杂的相互作用.
- 现有的技术往往无法充分利用不同生理信号之间的互补信息.
- 这限制了对情绪状态的全面理解和准确分类.
研究的目的:
- 为多式联络生理情绪识别提出一个新的框架.
- 有效地学习并同时从多种模式中提取特征,模仿人类情感感知.
- 为了提高情绪识别系统的准确性和稳定性.
主要方法:
- 双分支表示学习架构将脑电图 (EEG) 和外围信号分别处理.
- 一个定制的交叉注意力机制用于多式联接信号融合.
- 该框架旨在全面利用补充信息并改善特征学习.
主要成果:
- 拟议的模型在公开数据集 (DEAP,SEED-IV) 上的情感分类任务中取得了卓越的性能.
- 实验结果验证了模型能够有效地从多式联络生理信号中提取和融合特征的能力.
- 与最先进的模型相比,该框架显示出更高的准确性和稳定性.
结论:
- 这种新的框架显著推进了多式联络生理情绪识别.
- 该模型在特征提取和融合方面的有效性对情感计算具有前景.
- 这项研究对医疗保健和人机交互应用有影响.
